京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代传统报业如何占位(1)_数据分析师考试
大数据时代的大门刚刚开启,巨头、中小企业、各类机构都将重新寻找在互联网中的位置,报业如何立足优势恰当占位?需要务实创新的思考和回答。
数据再“大”无用武之地等于零,要搜集“慢数据” “活数据”
互联网上每时每刻都在产生数据,人们生活中无所不在的各种设备,比如电脑、手机、智能电器、感应器等等,都能时刻留下人的行为痕迹,实时产生数据,这些呈几何级增加的数据沉淀在网上,成为大数据。这些大数据有多大用?
2014年5月29日,百度董事长兼CEO李彦宏在第九届百度联盟峰会上预测了“未来5年有非常大的发展”的两大产业机会,这两大产业是“BAT(百度、阿里巴巴、腾讯)三者都不会涉足的领域”:1.新型企业级软件,解决企业从内部到外部链接的问题;2.挖掘新的有价值的“慢数据”,发掘个性化的预测信息,为用户寻找真正有价值的新数据。
李彦宏的分析有共识性、有说服力——在用户规模扩大、流量激增的情况下,目前互联网企业面临尴尬:搜集上来真正有价值的数据很少,无价值数据增多,有价值数据积累并不比传统企业更有优势。“比如最近比较火的智能硬件,手环、眼镜,搜集很多的数据,但这些数据拿过来,总觉得用不上,没法分析。”为此,他建议企业通过搜集“慢数据”来获取真正有价值的数据,找准并挖掘能真正帮助用户解决问题的新数据。这一判断,对报业这样的传统企业来说既是一种安慰,更是鼓舞。
另一个与之印证的观点是,阿里巴巴集团执行副总裁曾鸣最近有一篇长文分析说,大数据最重要的特征不在大小,而在死活。数据的死活决定一切,从数据的管理到数据的运用,数据必须能活起来,开始跑通迭代,才能产生持续价值。
既然传统媒体与新兴媒体及很多大企业一样,对如何用好大数据基本站在同一起跑线上,对报业来说,如何利用自身优势和资源去发掘、应用好“慢数据”“活数据”,让大数据成为报业未来的一大新增长点,就成为迫切需要研究解决的重要课题。
报业在大数据产业中的一席之地在哪儿?
《大数据时代》的作者维克托•迈尔•舍恩伯格被誉为“大数据商业应用第一人”,他描述了大数据价值链的三大构成:第一种是基于数据本身的公司,这些公司拥有大量数据或者可以收集到大量数据。第二种是基于技能的公司,它们通常掌握了专业技能,但并不一定拥有数据,往往是技术供应商、分析公司或者咨询公司。第三种是基于思维的公司。
在互联网上,任何主动收集庞大数据的行为,其成本都难以想象。因此,基于数据本身的第一种公司在价值链中处于最核心的位置,比如美国的谷歌、苹果、Facebook、亚马逊,中国的腾讯、阿里巴巴、百度。他们的优势是大数据聚合和模型构建,他们也想方设法把自己打造成基础设施和平台,使大数据在自己的平台上发挥出最大效用。
比如, 2014年4月百度正式发布了大数据引擎,将核心大数据能力开放,向外界提供大数据存储、分析及挖掘的技术能力,以更好地帮助传统行业挖掘数据价值,加快传统行业转型升级。百度联盟将基于“开放云”“数据工厂”“百度大脑”三级开放平台,推进“人找信息”向“信息找人”的变革,为媒体、DSP、广告主、代理商提供更简单、高效的推广及变现平台。
而具有数据思维和数据技术的公司,在未来竞争中也处于有利地位,围绕着数据化变革,将衍生出新的商业模式。一是数据资产存储,二是数据资产定价,三是数据资产中介,四是数据资产管理,五是数据驱动的解决方案。①
从价值链和报业传统优势的角度分析,报业即使在采集、处理、储存、传播等各方面完全数字化后,即使数据量再大,与那些互联网入口企业相比、与真正生成大数据的公司相比,那点数据还远远不够大,因此不可能去做基于数据本身的公司。比较理性、可行的选择是,传统报业对大数据的运用着力点应是数据资产中介、数据资产管理、数据驱动的解决方案三大类。
数据资产中介——这个应用领域对媒体来说并不陌生,比如彭博社、路透社和《朝日新闻》、日本经济新闻社等新闻机构,收集免费的数据制成数据库,通过数据的加工和组合、分析产生新的价值,再卖给有需求的企业、机构。这是一些大通讯社和财经专业媒体的强项。
数据资产管理——听起来有点儿抽象,但其中可操作的内容对报业并不陌生。比如,网络上每天产生各种新闻、信息,特别是负面新闻、评论,无论对机构、企业和个人而言都是正面或负面资产,既然是资产,如何管理就是一门生意。舆论监督本就是报业的核心功能之一,加之媒体对舆论危机公关比较擅长,由此延伸到数据资产的管理,角色跨度并不很大,不失为基于报业资源优势的一种务实选择。
再看数据驱动的解决方案——对报业来说其应用领域相当广泛。未来,媒体在做好社会记录者与信息传播者外,更应定位成社会解读者和分析预测者,做好信息和数据的深度加工、深度解读和去伪存真的服务,而大数据无疑能成为报业进行全面深刻洞察的一大利器。 下面将具体分析。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18